Consulenza statistica per tesi e ricerca
Ti affianco dal disegno dello studio all'interpretazione dei risultati: analisi corrette, spiegate in modo chiaro, riproducibili.
Primo colloquio conoscitivo senza impegno.
Un modello ben specificato parte sempre dalla forma dei dati.
Strumenti con cui lavoro
RPythonSASModelli lineari generalizzatiMachine learning
Dall'idea iniziale alla risposta ai revisori, un supporto su misura per tesisti, dottorandi e ricercatori.
Pulizia del dataset, statistiche descrittive, test e modelli adatti al tuo disegno di studio, con tabelle e grafici pronti per il testo.
Regressione, modelli misti, serie storiche, sopravvivenza, machine learning: scelgo il modello giusto e ti spiego perché.
Script in R o Python commentati, così puoi rifare l'analisi in autonomia e rispondere con sicurezza a ogni domanda.
Controllo del disegno dello studio, delle ipotesi e della sezione metodi, prima che lo faccia un revisore.
Analisi aggiuntive e formulazioni chiare per rispondere ai commenti sulla parte statistica di un articolo.
Sessioni individuali per capire davvero le analisi svolte e presentarle con sicurezza alla discussione.
Per team di ricerca
Un buon modello serve solo se qualcuno può usarlo. Ti aiuto a metterlo “in produzione” su servizi cloud online, in modo che funzioni in modo affidabile anche quando io non ci sono più.
Parliamo del tuo progettoTrasformo l'analisi o il modello in codice robusto e ripetibile, pronto per essere eseguito in modo automatico.
Rendo il modello disponibile come applicazione web, dashboard o servizio richiamabile da altri sistemi. Lavoro su Amazon Web Services (AWS).
Controllo che il modello continui a funzionare nel tempo e formo il tuo team perché possa gestirlo in autonomia.
Casi di studio
Esempi reali di tesi e ricerche, con i grafici ricalcolati dai dati originali. Sono presentati solo in forma aggregata e anonimizzata: nessun nome, centro o committente è riconoscibile. Scegli un’area o apri un caso per vedere grafico, metodo e limiti dell’analisi.
Biostatistica e sopravvivenza · Caso 1
Quanto tempo passa prima che la malattia ricompaia dopo un intervento alla prostata, e quali fattori lo anticipano.
87% → 66% senza ripresa a cinque anni, dal rischio basso a quello alto
Biostatistica e sopravvivenza · Caso 2
Durata della risposta alla prima terapia in pazienti con una malattia ematologica, e quali caratteristiche la accorciano.
3,1 vs 2,1 anni durata mediana sotto e sopra i 65 anni
Biostatistica e sopravvivenza · Caso 3
Sopravvivenza dopo un intervento cardiaco di sostituzione valvolare, a confronto tra donne e uomini.
62% delle donne è viva a cinque anni, contro il 37% degli uomini
Biostatistica e sopravvivenza · Caso 4
Fattori clinici associati al decesso durante il ricovero dopo un intervento urgente sull’aorta.
5,6 odds ratio di morte con coinvolgimento dei vasi sovra-aortici (35% contro 9%)
Psicometria · Caso 5
Validazione di un questionario di 18 domande: quante dimensioni misura e quanto è affidabile.
826 questionari completi
Psicometria · Caso 6
Come si relazionano sei scale sul benessere lavorativo, e quanto è affidabile ciascuna.
0,92 alfa della scala di impegno nel lavoro, la più affidabile
Psicometria · Caso 7
Quanto il gioco d’azzardo tra gli adolescenti cresce con la propensione al rischio e cala con il controllo dei genitori.
71% dei ragazzi più propensi al rischio ha giocato (37% tra i più cauti)
Studi medici generali · Caso 8
Come cambia la quota di pazienti con linfonodi positivi al variare dell’estensione dell’intervento e del rischio.
5% → 25% pazienti con linfonodi positivi, da 10 o meno a 20 o più linfonodi asportati
Studi medici generali · Caso 9
Tre marcatori circolanti come predittori della mortalità a 30 giorni, in soli 57 pazienti anziani.
57 pazienti anziani, 16 decessi a 30 giorni
Studi medici generali · Caso 10
Misure ripetute su pazienti con lieve decadimento cognitivo: sintomi depressivi e due prove cognitive, all’inizio e dopo un anno.
−1,8 punti nei sintomi depressivi (da 8,2 a 6,4)
Studi medici generali · Caso 11
Quando i casi sono pochi e i predittori molti: la regressione penalizzata per prevedere la recidiva di un ematoma cronico.
118 pazienti, di cui 15 con recidiva (13%)
Marketing analitico · Caso 12
Prevedere quali clienti di un servizio in abbonamento stanno per andarsene, per decidere chi contattare per primo.
×4,3 lift: nel decile a rischio più alto abbandona il 53%, contro una media del 12,4%
Marketing analitico · Caso 13
Segmentare un mercato a partire da atteggiamenti e preferenze, e vedere quanto piace il prodotto a ciascun gruppo.
6,6 gradimento medio (scala 1–9) del segmento A, il 27% del campione
Marketing analitico · Caso 14
Indagine tra i visitatori di un centro commerciale: bacino di provenienza e valutazione di quindici aspetti.
72% dei visitatori viene da meno di 100 km (mediana 79 km)
Marketing analitico · Caso 15
Come evolvono le vendite dal lancio in poi a seconda del livello di innovazione di prodotto.
×57 vendite mediane a quattro anni: prodotti molto innovativi contro nessuna innovazione
Altre analisi · Caso 16
Come frequenza e costo dei sinistri dipendono da età del conducente e classe di merito in un portafoglio assicurativo.
×1,58 frequenza dei sinistri tra i 18–19 anni, rispetto alla fascia 45–54
Altre analisi · Caso 17
Quanto bastano i bilanci per prevedere quali imprese andranno in default, con un indice semplice o con un modello.
90% di default nel decile con meno liquidità, contro il 9% nel più liquido
Altre analisi · Caso 18
Serie storiche settimanali di prezzi di acquisto e di vendita, e la loro stagionalità.
0,006 p-value del test di cointegrazione tra prezzo di acquisto e di vendita
Il primo colloquio è gratuito e senza impegno.
Mi racconti obiettivi, dati e scadenze. È gratuito e senza impegno.
Ricevi un piano di lavoro con tempi e costo chiari, prima di iniziare.
Svolgo le analisi e ti aggiorno a ogni passaggio, così puoi intervenire presto.
Risultati, codice e una spiegazione chiara. Resto disponibile per domande e revisioni.
Sono Giorgio, Actuarial Data Science Manager. Quotidianamente seguo progetti che quantificano l'incertezza mediante modelli statistici avanzati e AI e la trasformo in decisioni.
La mia ricerca accademica, svolta in collaborazione con altri gruppi, spazia dal risk modeling alla statistica medica. Porto nelle tesi e negli articoli lo stesso rigore che uso nel lavoro: ipotesi esplicite, modelli giustificati, risultati che si possono verificare.
Uso l'AI ogni giorno, ma l'AI non risponde delle sue scelte: io sì. Quando una consulenza porta il mio nome, ne rispondo davanti a te, a un revisore o a una commissione.
No. Se sei all'inizio, posso aiutarti a impostare il disegno dello studio e a stimare la numerosità campionaria.
In base al lavoro richiesto. Dopo il colloquio ricevi un preventivo scritto e concordato prima di iniziare.
Sì. I tuoi dati restano riservati e vengono usati solo per il tuo lavoro. Prima di iniziare firmiamo un accordo di riservatezza che copre sia la collaborazione sia i dati che mi affidi. Se i risultati dovessero diventare pubblici, per esempio in un articolo, forma e contenuti saranno sempre concordati con te in anticipo.
Sì, come strumento di lavoro. Le scelte statistiche, la verifica dei risultati e la responsabilità del lavoro consegnato restano mie. Tu resti l'autore della tua tesi o del tuo articolo e, se serve, ti aiuto a dichiarare l'uso degli strumenti secondo le regole della tua università o rivista. I dati dei clienti vengono caricati su strumenti esterni solo previo consenso.
Sì: ricevi codice commentato e una spiegazione dei risultati, di persona o in videochiamata, perché tu possa difenderli in autonomia.
Descrivimi in poche righe la tua ricerca e la scadenza. Ti rispondo con una prima valutazione e, se serve, fissiamo un colloquio.
Compila il modulo: ti rispondo personalmente, di solito entro un giorno lavorativo.